IT视频教程资源网

标题: 小象学院,知识图谱课程2018年新某象,IT资源网 [打印本页]

作者: admin    时间: 2022-5-29 08:14
标题: 小象学院,知识图谱课程2018年新某象,IT资源网
下载地址:
加入VIP超值  

2017年10月24-2018年1月课程简介:本次的知识图谱课程主要包括三大部分:
1.  知识图谱的工程方法论。指导学员了解并掌握知识图谱的基本概念和发展历史,梳理清知识图谱的技术体系,掌握知识图谱的核心技术原理,建立知识图谱工程的方法论思维。2.   知识图谱的实战技术。从实战出发,围绕知识表示、知识抽取、语义搜索、知识问答、知识推理、知识融合等系统性介绍知识图谱相关的实战技术,使得学员具备研发知识图谱相关应用的基础能力。3.  知识图谱的典型应用。结合医疗、金融、电商等实际应用场景,介绍知识图谱各个技术点的实际应用落地方式,使得学员具备结合自身背景开展知识图谱技术实践的应用能力。
面向人群:1.  希望学习知识图谱的学生;2.  希望了解知识图谱实战技术的IT从业人员;3.  未来希望成为知识图谱工程师的求职者;4.  想在知识图谱方向进行深入研究者。
学习收益:
通过本课程的学习,学员将会收获:
1. 帮助学员系统性的掌握知识图谱的核心技术原理,结合近期研究成果,学习从基本概念到各个先进算法和技术的转化思路2. 了解国内外典型的开源知识库数据及技术资源3. 实践与理论结合,培养学员面对工程及学术问题的思考解决能力4. 基于百科知识进行各项核心技术的实例训练,并结合医疗、金融、电商等行业应用帮助学员快速积累知识图谱工程项目经验5. 对有志于从事知识问答工作或学术研究的学员,提供IBM Watson系统实现原理的讲解与指导

  
课程大纲:
第一课:  知识图谱概论              1.  知识图谱的起源和历史    2.  典型知识库项目简介    3.  知识图谱应用简介    4.  本次课程覆盖的主要范围:知识表示与建模、知识抽取与挖掘、知识存储、知识融合、知识推理、语义搜索、知识问答和行业知识图谱应用剖析等内容。
第二课:  知识表示与知识建模             1.  早期知识表示简介    2.  基于语义网的知识表示框架         a.  RDF和RDFS         b.  OWL和OWL2 Fragments         c.  SPARQL查询语言         d.  Json-LD、RDFa、HTML5 MicroData等新型知识表示    3.   典型知识库项目的知识表示    4.   基于本体工具(Protege)的知识建模最佳实践
第三课:  知识抽取与挖掘I    1.  知识抽取任务定义和相关比赛:实体识别、关系抽取和事件抽取    2.  面向结构化数据(关系数据库)的知识抽取,包括D2RQ和R2RML等转换与映射规范与技术介绍    3.  面向半结构化数据(Web tables, 百科站点等)的知识抽取         a.  基于正则表达式的方法         b.  Bootstrapping和Wrapper Induction介绍    4.  实践展示:基于百科数据的知识抽取
第四课:  知识抽取与挖掘II    1.  面向非结构化数据(文本)的知识抽取         a.  基于本体的知识抽取,包括NELL和DeepDive系统介绍         b.  开放知识抽取,包括TextRunner、Reverb和OLLIE等系统介绍    2.  知识挖掘         a.  知识内容挖掘:实体消歧与链接         b.  知识结构挖掘:关联规则挖掘与社区发现         c.  知识表示学习与链接预测,包括TransE和PRA等算法介绍     
第五课:  知识存储    1.  基于关系数据库的存储设计,包括各种表设计和索引建立策略    2.  基于RDF的图数据库介绍         a.  开源数据库介绍:Apache Jena、Sesame、gStore、RDF-3X等         b.  商业数据库介绍:Virtuoso、AllegroGraph、BlazeGraph等    3.   原生图数据库介绍,包括Neo4j、OrientDB、Titan和Cayley等    4.  实践展示:使用Apache Jena存储百科知识,并使用Fuseki构建图谱查询服务
第六课:  知识融合    1.  知识融合任务定义和相关竞赛:本体对齐和实体匹配    2.  本体对齐基本流程和常用方法         a.  基于Linguistic的匹配         b.  基于图结构的匹配         c.  基于外部知识库的匹配    3.  实体匹配基本流程和常用方法         a.  基于分块的多阶段匹配         b.  基于规则(配置或通过学习)的实体匹配    4.  知识融合工具介绍:包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault    5.  实践展示:使用Falcon-AO融合百度百科与维基百科中的知识
第七课:  知识推理    1.  本体知识推理简介与任务分类,包括概念可满足性、概念包含、实例分类和一致性检测等    2.  本体推理方法与工具介绍         a.  基于Tableaux运算的方法:Fact++、Racer、Pellet和Hermit等         b.  基于一阶查询重写的方法:Ontology-based Data Access的Ontop等         c.  基于产生式规则的方法(如Rete):Jena、Sesame和OWLIM等         d.  基于逻辑编程(如Datalog)改写的方法:KAON2和RDFox等     3.  实践展示:使用Jena完成百科知识上的上下位推理、缺失类别补全和一致性检测等
第八课:  语义搜索   1.  语义搜索概述,包括Knowledge Card、Rich Snippet、Facebook Graph Search等   2.  基于语义标注的网页搜索         a.  Web Data Commons项目介绍         b.  排序算法介绍,扩展BM25   3.  基于图谱的知识搜索         a.  本体搜索(ontology lookup)         b.  探索式知识检索,包括查询构造、结果排序和分面(facets)推荐   4.  知识可视化,包括本体、查询、结果等的展现方式和可视化分析   5.  实践展示:使用ElasticSearch实现百科数据的语义搜索
第九课: 知识问答I    1.  知识问答概述和相关数据集(QALD和WebQuestions)    2.  知识问答基本流程    3.  知识问答主流方法介绍         a.  基于模板的方法,包括模板定义、模板生成和模板匹配等步骤         b.  基于语义解析的方法,包括资源映射,逻辑表达式候选生成与排序等         c.  基于深度学习的方法
第十课:  知识问答II    1.  IBM Watson问答系统及核心组件详细解读         a.  问句理解         b.  候选答案生成         c.  基于证据的答案排序    2.  实践展示:面向百科知识的问答baseline实现
第十一课:  行业知识图谱应用    1.  行业知识图谱特点    2.  行业知识图谱应用,包括金融、医疗、数字图书馆等领域应用    3.  行业知识图谱构建与应用的挑战    4.  行业知识图谱生命周期定义和关键组件
  
下载地址:
加入VIP超值  





欢迎光临 IT视频教程资源网 (http://buyallchip.top/) Powered by Discuz! X3.2